GLM-5.2：智谱AI开源近前沿大模型的演进与生态实践

Host (Swix): Sin más, invitamos a Zishan antes de su discurso, si estamos listos. ¿Hola, cómo estás? ¿tú?

Zixuan Li: ¡Genial, ya estoy aquí!

Host (Swix): Sí, gracias a la magia de la Internet. Muy me alegra verte de nuevo. Zishan, tú hablé con AI Singapur, y es obvio que GLM ahora todos tienen en la boca. Abajo en la exposición es maravilloso su stand, y creo que muchas personas quieren saber sobre qué tiene lugar en Z.ai. Así que puedes empezar.

Zixuan Li: Sí, lo siento de nuevo por quienes no llegaron personalmente, pero tengo aquí hay todo un equipo, y tenemos un puesto. Entonces si tienes alguna pregunta, no dudes en contactarnos a mí en X, LinkedIn y también puedes encontrar mi equipo en nuestro stand. Y puesto que yo no puedo ver mis diapositivas, necesitaré la ayuda de Swix para hojearlos para mí.

Host (Swix): Sí. Todo está bien. Dime, ¿en cuál de ellos? Ahora estamos en la pendiente.

Zixuan Li: Sí. Entonces, estamos en diapositiva introductoria. Nosotros estamos hablando de inteligencia y Z.ai.

Host (Swix): Vale, sí. Entonces, ¿puedes verlo ahora?

Zixuan Li: Esta es la primera vez representamos a GLM-5.2 al mundo. Y nosotros también hablemos un poco sobre Z.ai y GLM, porque, quizás, la gente pensará que Z.ai y GLM no están relacionados, ¿sí? Tu empresa es Z.ai, y tus modelos se llaman GLM. Y aquí puedes encontrar mi X y nuestra cuenta de la empresa en X. Entonces puedes simplemente buscar mi nombre, Zixuan Li y la Organización Z.ai. Y puedes suscribirte sobre ellos para vigilarlos actualizaciones.

Por lo tanto, sí, podemos ir a la segunda diapositiva. Sí, en realidad no veo el slide, así que lo intentaré... Asegúrese de que todo bien. Por lo tanto, la empresa en realidad se llama Zhipu. Tal vez alguien escuchó sobre ella. Y los modelos, se llaman GLM. En realidad, esto no es solo una marca. Esto es un término general. Entonces, GLM en realidad significa General Language Model con autoregressive blank infilling. Y este artículo fue publicado en 2021. Entonces, en realidad éramos uno de los primeros laboratorios que investigaron grandes modelos de lenguaje, simultáneamente con OpenAI, Anthropic y DeepMind. E incluso hoy ya no utilizamos puramente la arquitectura GLM original, pero todavía usamos el nombre GLM como nuestra marca. Por lo tanto nosotros lanzamos GLM-4.5, 5.1, 5.2, y se convirtió en uno de nuestros productos y modelos más grandes.

Zixuan Li: Lo segundo que buscamos es el límite superior de la inteligencia. Desde el punto de vista de la inteligencia, podemos sentir que esto representa el coeficiente intelectual o algo así. Cuando DeepSeek se lanzó o cuando se lanzó o1, las personas hablaron de la capacidad de los modelos para resolver matemáticas y problemas físicos. Pero lo que realmente significa inteligencia no se trata solo de CI, AIME u otros problemas físicos. Por lo tanto, desde GLM-4.5 estamos investigando varias direcciones, como el razonamiento, programación y capacidades generales. Así que, como puedes ver en diapositivas, agregamos... eh, sí, ¿la última diapositiva? Todavía no he terminado esa diapositiva.

Host (Swix): Sí, de acuerdo. Necesito volver dos diapositivas hacia atrás. No tengo un botón "atrás" en el clicker. Gracias. No entiendo los clickers que no tienen botones "atrás". Pero bueno, ya sabes. En cualquier caso, continuemos.

Zixuan Li: Sí, no importa, porque la gente quiere ver GLM-5.2, no quieren ver GLM-4.1. GLM-5.2 en realidad se especializa en programación y tareas complejas. Como pueden ver en el gráfico, ya que corren muchos rumores sobre cómo viene el modelo, en realidad quiero compartir estas diapositivas con todos ustedes.

Entonces, ya ves que está en algún lugar al nivel de los modelos de vanguardia como Opus / Sonnet, y nosotros utilizamos las tareas más difíciles, como DeepSeek, Terminal Bench 2.1, que mencionó el equipo de OpenAI hace unos minutos. Y todas las tareas y puntos de referencia en una perspectiva a largo plazo muestran que las oportunidades están al nivel más alto. Y esto muestra una mejora significativa.

También para GLM-5.2 añadimos un nivel de pensamiento llamado "high" (alto presupuesto de pensamiento). Ya que nosotros notamos que durante la ejecución de tareas más complejas el modelo puede consumir más tokens, y a nosotros nos importa mucho la eficiencia del uso de tokens. Entonces, por primera vez, agregamos un nivel de pensamiento de alto presupuesto, pero incluso sin pensar, el modelo sin pensar es mejor que el modelo anterior con pensamiento. Por lo tanto, creo que esto es un paso enorme hacia adelante para los modelos con pesos abiertos (open weights). Realmente conmocionó al mundo, y por eso la gente últimamente habla tanto de GLM-5.2.

Zixuan Li: Vale, la siguiente diapositiva. Y yo quiero tener en cuenta que GLM es más que un modelo para codificar. Aunque la gente lo usa en Clock Code, Codex, OpenCode, en realidad lo entrenamos para muchas razones, además de la programación. Por ejemplo, tenemos significativamente mejores resultados en análisis económicos, estimaciones del PIB y problemas matemáticos. Francamente hablando, también nos preocupamos mucho por los problemas matemáticos. También entrenamos con muchos materiales relacionados con juegos de rol y comunicación general. Nosotros queremos mejorar todos los aspectos del modelo.

Puedes ver cuál es el índice de inteligencia artificial: ella está muy por delante de los demás modelos con pesos abiertos. Sí, está muy cerca de los modelos de vanguardia. Así que quiero que ustedes, si no han utilizado GLM todavía, lo prueben para chats generales, para tareas diarias de horario laboral, no solo para codificación; pueden explorar las posibilidades del modelo fuera de las fronteras de la programación.

Zixuan Li: Siguiente diapositiva. GLM-5.2 es un modelo con pesos abiertos. Por eso a menudo me preguntan: "¿Por qué están abriendo los pesos? ¿No les preocupa su negocio? ¿No tienen miedo de perder cuota de mercado frente a proveedores de inferencia de terceros?"

De hecho, nosotros abrimos los pesos por varias razones, porque hay una necesidad real de los usuarios y de nuestras propias metas. Si podemos satisfacer esas necesidades, creo que esto está muy bien. Para nosotros es totalmente aceptable abrir el modelo.

Por ejemplo, primero, si nuestros usuarios necesitan seguridad y control, y queremos fortalecer la confianza, podemos hacer que los pesos sean abiertos. En algunos casos, si una empresa o gobierno, especialmente en Occidente, desea usar el modelo, abrimos los pesos y los subimos a Hugging Face para que puedan usar el modelo localmente en sus propios servidores. Creo que para todo el ecosistema es muy útil investigar un modelo de esta escala, especialmente cuando sus capacidades se acercan a los indicadores de vanguardia.

En segundo lugar, si la gente necesita diversidad y personalización. Por diversidad me refiero a oportunidades en áreas como derecho, finanzas, seguridad: pueden entrenar el modelo. Entonces necesitamos abrir el modelo para permitirles hacer ese entrenamiento adicional o fine-tuning. Por ejemplo, Harvey ahora reentrena GLM y tal vez planea reentrenar GLM-5.2 más adelante. Hablé con muchas otras empresas, y ellos también consideran el reentrenamiento de GLM como su siguiente paso estratégico para destacar frente a otras empresas y desarrolladores de aplicaciones.

Y en tercer lugar, si nuestros clientes o investigadores individuales quieren diseñar y predecir el futuro juntos, a veces necesitan ver la arquitectura del modelo y la receta para su entrenamiento. Por lo tanto queremos que sea un estándar abierto. Nos esforzamos junto con nuestros clientes y la comunidad de código abierto para dar forma al futuro. Creo que nuestras necesidades y el ecosistema se complementan mutuamente. Y GLM-5.2 no habría tenido éxito sin todos ustedes, participantes de las comunidades de código abierto, medios y súper desarrolladores. Muchas gracias a los creadores de aplicaciones como Pedro. El código abierto no es solo pesos abiertos, sino también seguridad abierta y colaboración. Todo su apoyo nos anima a crear mejores modelos. Creo que ustedes son verdaderos héroes.

Zixuan Li: Finalmente, quiero compartir un recurso maravilloso donde pueden familiarizarse con GLM-5.2: este es nuestro blog técnico. En este blog compartimos diferentes cosas; por ejemplo, nuestro repositorio en Hugging Face, donde pueden probar GLM-5.2. Pueden probarlo en el chatbot y también utilizar la API. Además, tenemos un plan para desarrolladores, similar a Codex o Cloud platforms, donde pueden usar tokens como persona individual.

Nosotros también hablamos de nuestro pipeline de entrenamiento y de las recetas de entrenamiento, para que entiendan por qué este es un buen modelo. Detrás del modelo hay muchas cosas; no es solo un modelo entrenado con datos maravillosos, también tenemos tecnología fantástica en el núcleo, para que puedan investigar el modelo independientemente y ver las dificultades que superamos.

Y la última diapositiva es algo así como "One More Thing". Es la primera vez que compartimos Z-Code con toda la comunidad. Este es nuestro propio arnés (eval/execution harness), Z-Code, que fue creado para GLM, pero que también soporta todos los modelos avanzados. Puedes usar tu propia API key y conectarte con Z-Code; creo que el proceso es muy similar al flujo de trabajo estándar en Codex o herramientas afines. Puedes probar diversas técnicas avanzadas, compresión de contexto y métodos similares a los utilizados en la industria. Este harness es ideal para GLM. Si aún no lo has probado, solo busca Z-Code o ven a nuestro stand; nuestro equipo te mostrará este entorno. Los invitamos a nuestro stand y estaré encantado de charlar en el futuro. La próxima vez sin duda estaré allí en San Francisco para hablar con todos ustedes. Sí, muchas gracias.

Host (Swix): Muchas gracias. Créeme, en la primera World Expo no siempre es fácil viajar o regresar al país para tu propia conferencia, así que entiendo perfectamente el sentimiento. Pero el equipo de Z.ai realmente hizo un gran esfuerzo. Ellos realmente quieren conocer a todos, y están aquí en el piso de exhibición para conocerlos.

Y esta es la esencia de la World Expo: reunir a todas las empresas y laboratorios líderes de IA del mundo en un solo lugar para que puedan hacer negocios juntos, conocer a las personas que están detrás de los modelos que ustedes usan todos los días y hacer preguntas que tal vez no se puedan responder públicamente, pero que se pueden discutir en privado.

Yo también estoy muy orgulloso. Zishan mostró la lista de los principales participantes de Hugging Face. Creo que tenemos a cuatro de los ocho de esa lista aquí presentes como asistentes en la World Expo. Trabajamos con Nvidia, Anslaw, Ollama y otros desarrolladores de entornos para brindar ejecución en entornos locales, lo cual verán más de cerca en los próximos días.

Con esto, muchísimas gracias a Zixuan. Voy a invitar a las siguientes personas. A continuación, hablemos con Hugging Face y MiniMax. Gracias.